学术探索
学术期刊
学术作者
新闻热点
数据分析
智能评审

生成式对抗网络在图像补全中的应用

被引：20
作者：
时澄 [1 ]
潘斌 [2 ]
郭小明 [2 ]
李芹芹 [1 ]
张露月 [1 ]
钟凡 [3 ]
机构：
[1] 辽宁石油化工大学计算机与通信工程学院
[2] 辽宁石油化工大学理学院
[3] 山东大学计算机科学与技术学院
来源：
计算机科学与探索 | 2019年 / 08期
关键词：
图像补全; 生成式对抗网络; 卷积神经网络; 马尔科夫随机场; 均方误差;
D O I：
暂无
中图分类号：
TP391.41 [];
学科分类号：
摘要：
图像补全是数字图像处理领域的重要研究方向,具有广阔的应用前景。提出了一种基于生成式对抗网络(GAN)的图像补全方法。生成式对抗网络模型由生成器模型和判别器模型两部分构成,通过采用卷积神经网络(CNN)实现。首先,通过生成器模型对图像的缺失区域进行补全;然后,利用判别器模型对图像的补全效果进行判别。采用马尔科夫随机场(MRF)与均方误差(MSE)相结合的损失函数训练生成器模型,加强对图像纹理细节的处理能力。实验结果证明,基于生成式对抗网络的图像补全方法,相较于其他现有的方法,具有更好的补全效果。
引用
收藏
页码：1402 / 1410
页数：9
相关论文
共 8 条
[1]
Globally and locally consistent image completion[J] Satoshi Iizuka;Edgar Simo-Serra;Hiroshi Ishikawa ACM Transactions on Graphics (TOG) 2017,
[2]
Image completion using planar structure guidance[J] Jia-Bin Huang;Sing Bing Kang;Narendra Ahuja;Johannes Kopf ACM Transactions on Graphics (TOG) 2014,
[3]
PatchMatch[J] Connelly Barnes;Eli Shechtman;Adam Finkelstein;Dan B Goldman ACM Transactions on Graphics (TOG) 2009,
[4]
Scene completion using millions of photographs[J] James Hays;Alexei A. Efros ACM Transactions on Graphics (TOG) 2007,
[5]
Interactive image completion with perspective correction.[J] Darko Pavić;Volker Schönefeld;Leif Kobbelt The Visual Computer 2006,
[6]
Image completion with structure propagation[J] Jian Sun;Lu Yuan;Jiaya Jia;Heung-Yeung Shum ACM Transactions on Graphics (TOG) 2005,
[7]
Fragment-based image completion[J] Iddo Drori;Daniel Cohen-Or;Hezy Yeshurun ACM Transactions on Graphics (TOG) 2003,
[8]
Backpropagation Applied to Handwritten Zip Code Recognition[J] Y. LeCun;B. Boser;J. S. Denker;D. Henderson;R. E. Howard;W. Hubbard;L. D. Jackel Neural Computation 1989,
1